「AI 要取代初階工程師了」——這大概是過去一年科技圈最熱門的焦慮敘事。但如果我們把視角從社群媒體的恐慌情緒拉回到實際的招聘數據，會發現故事遠比標題複雜得多。初階職位沒有消失，但它正在被徹底重新定義。
這篇文章想探討的是：當 AI 接管了大量重複性的執行工作之後，企業到底在找什麼樣的初階人才？對正在起步的工程師來說，這意味著什麼？
數據說了什麼：初階職位在增加，不是減少
先看幾個值得注意的訊號。根據顧問公司 Teneo 的調查，全球有 67% 的 CEO 表示 AI 正在增加初階職位的人數，而非減少。IBM 更宣布計畫在 2026 年將美國的初階招聘量擴大為三倍。McKinsey 也規劃在北美增加 12% 的招聘。IT 顧問公司 Cognizant 甚至開始擴大招募文科和非 STEM 背景的畢業生。
耶魯大學 The Budget Lab 的研究指出，目前對於 AI 大規模取代現有勞動力的擔憂「仍然大多停留在推測階段」。Citadel Securities 的數據也顯示，軟體工程職缺年增 11%，技術人才的需求至少到目前為止還算穩定。
這些數據並不是說 AI 對就業沒有衝擊，而是說衝擊的方式不是簡單的「取代」，更像是「重塑」。
從「執行任務」到「理解系統」：初階角色的質變
IBM 全球人才招聘副總裁 Natasha Pillay-Bemath 有一段話蠻精準地描述了這個轉變：當 AI 接手了大量例行性的 coding 和文件撰寫工作之後，初階人員反而被期待用更宏觀的視角去理解整個系統——端到端地思考，並且負責驗證 AI 產出的品質和偏誤。
這個轉變的本質是：初階角色從「純粹的任務執行者」變成了「AI 的協作者和監督者」。
具體來說，企業現在更重視的初階技能包括：
IBM 的首席人資長 Nickle LaMoreaux 提到一個很關鍵的觀點：「如果我們停止投資初階人才，三到五年後會怎樣？人才管線就斷了。」企業不是不需要初階人才，而是需要不同類型的初階人才。
起步的方式要變了
過去，初階工程師的養成路徑比較線性：學語法、刷題、進公司寫 CRUD、慢慢累積經驗往上爬。但當 AI 可以在幾秒內生成大部分的 boilerplate code，光會寫程式碼已經不是競爭優勢了。
新的起步方式可能更像這樣：
1. 學會跟 AI 協作開發。這不只是會用 Copilot 或 Claude Code，而是理解什麼時候該讓 AI 做、什麼時候該自己來、如何驗證 AI 的產出。把 AI 當成一個很快但不一定可靠的隊友，你的價值在於判斷力和品質把關。
2. 提早建立系統層級的理解。因為 AI 降低了實作門檻，初階工程師有機會更早接觸到系統全貌。主動去理解你寫的程式碼在整個系統裡的位置，而不是只關注自己負責的那一小塊。
3. 軟技能的權重在上升。溝通、問題拆解、跨團隊協作——這些過去被認為是「資深才需要」的能力，現在越來越早被要求。當 AI 處理了大量的執行工作，人類的價值就集中在理解需求、做決策、和協調合作上。
這跟 AI 客服產業有什麼關係？
其實在客服領域，我們觀察到完全一樣的結構性轉變。傳統的客服中心大量依賴初階人員處理重複性的來電和工單，但當 AI 語音助理能直接處理第一線的標準化對話時，客服人員的角色也在轉變——從「接電話、照腳本回答」變成「處理 AI 解決不了的複雜問題、監督 AI 的對話品質、設計更好的對話流程」。
導入 AI 之後，企業不是不需要客服人員了，而是需要客服人員具備不同的能力。能理解 AI 的判斷邏輯、能辨識 AI 處理失敗的 edge case、能從數據中找出流程優化的機會——這些才是 AI 時代客服人員的核心價值。
AI 對初階職位的衝擊是真實的，但方向不是消滅，而是轉型。與其焦慮「AI 會不會搶走我的工作」，不如把精力放在一個更有建設性的問題上：在 AI 能做越來越多事情的世界裡，我能提供什麼 AI 做不到的價值？
答案很可能不是「寫更快的程式碼」，而是「做更好的判斷」。
呂安
營運長
致力於運用 AI 技術改造客戶服務和商業營運。
